CN110989690B - 一种基于诱导信息的多无人机寻路方法 - Google Patents
一种基于诱导信息的多无人机寻路方法 Download PDFInfo
- Publication number
- CN110989690B CN110989690B CN201911347910.6A CN201911347910A CN110989690B CN 110989690 B CN110989690 B CN 110989690B CN 201911347910 A CN201911347910 A CN 201911347910A CN 110989690 B CN110989690 B CN 110989690B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- path
- paths
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000006698 induction Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000001939 inductive effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/12—Target-seeking control
Abstract
本发明公开一种基于诱导信息的多无人机寻路方法，根据目标始末位置以及现有路径规划算法确定可行路径，计算通过路径的延时函数和等待函数；根据这两个函数计算并向无人机发送诱导信息；随后无人机根据诱导信息以及当前时刻各个路径的延时函数与等待函数，计算所有可行路径代价函数；无人机选择代价函数最小的路径作为其飞行路线。最后更新当前时刻所有路径的无人机数量值，完成当前无人机的路径选择。本发明可完成无人机能够在规定起始点的条件下实现自主飞行并进行路径选择；同时，优化无人机在路径选择时可能产生的自私路由问题，确保无人机群安全，高效地到达目的地点。
Description
技术领域
本发明属于无人机技术领域，涉及多无人机寻路自私路由问题的优化解决，具体来说，是一种基于诱导信息的多无人机寻路方法。
背景技术
随着无人机技术的发展与广泛应用，近年来，无人机已经在侦查、监控、灌溉、物流等领域发挥出了越来越重要的作用。除了单个无人机的应用前景被不断开发，无人机群也成为了未来的发展趋势。无人机通过群组内的相互配合，细化分工，能够胜任更加复杂的任务，扩大工作半径，提高执行效率。
然而，无人机群的应用也会引出一些相应问题。当无人集群中的无人机达到一定数目，无人机的路由问题就会突显。空中交通环境具有很高的复杂性，在具体的任务执行中，无人机往往要根据地理环境和飞行状态选择合适的飞行路径，而可行飞行路径的数目往往是有限的。当无人机数目较多时，若所有无人机都遵循自身到达时间最短的原则进行路径选择，就可能产生局部堵塞、碰撞、以及系统总体延时与个体延时无法同时达到最优等问题，这就是无人机系统中的自私路由问题。同时，由于无人机飞行的特殊性，出于安全性考虑，同一路径上的无人机数量不宜过多，且相邻两架无人机需保持一定安全航行距离，在等待过程中产生的燃油消耗等成本也应该被考虑在内。
无人机交通诱导系统，就是通过电子、计算机、网络等技术，根据无人机的始末点和当前航线信息，对无人机路径的选择提供指引，使无人机在指引下根据自私策略选择路径。通过对无人机的诱导，以达到减小系统整体延时，优化自私路由问题的目的。
现阶段的无人机诱导系统研究，多以集中式控制为主，通过集群调控将无人机规划至目标位置。这种方法在场景简单、无人机数量少时可以起到较好的效果。然而当无人机数量增加，集中式规划难度将大幅上升，而现有的无人机诱导系统忽略了高飞行密度条件下可能产生的无人机自私路由问题，导致了群体飞行效率降低，飞行时间增加，空间资源浪费等问题的发生。
发明内容
针对上述问题，本发明提出一种基于诱导信息的多无人机寻路方法，实现无人机能够在规定起始点的条件下实现自主飞行并进行路径选择；同时，优化无人机在路径选择时可能产生的自私路由问题，确保无人机群安全，高效地到达目的地点。
本发明基于诱导信息的多无人机寻路方法，包括以下步骤：
步骤一、组装无人机并进行调试。
步骤二、根据目标始末位置以及现有路径规划算法确定m条可行路径，计算通过路径的延时函数和等待函数。
步骤三、计算并向无人机发送诱导信息。
对步骤二中得到的延时函数与等待函数进行加和计算，预估无人机将选择的策略，计算该策略下场景中所有无人机产生的总体代价函数S；遍历当前时间无人机所有可能选择策略并取最小值Smin；若S＝Smin，系统产生数组a1＝a2＝……＝am＝1以及b1＝b2＝……＝bm＝1作为无人机选择第m条路径的诱导信息并发送至无人机端；若S>Smin,系统产生数组a1,a2,……,am以及b1,b2,……,bm作为诱导信息并发送至无人机端；其中a1,a2,……,am以及b1,b2,……,bm的取值使当前无人机选择得到Smin的策略。
步骤四、无人机根据诱导信息以及当前时刻各个路径的延时函数与等待函数，计算所有可行路径代价函数。
步骤五、无人机在完成计算所有路径的代价函数情况下，对所有可行路径的代价函数进行比较，根据自私策略，将选择代价函数最小的路径作为自己的飞行路线。
步骤六、更新当前时刻所有路径的n值。
步骤七、返回步骤二对群体中下一架无人机进行路径选择，直至群体中所有无人机选择路径结束。
本发明的优点在于：
1、本发明基于诱导信息的多无人机寻路方法，通过诱导信息的引入，使无人机在进行路径选择时符合总体利益最大化原则。
2、本发明基于诱导信息的多无人机寻路方法，优化了总体通行时间，减少了燃油消耗，并有利于降低有限航路的交通拥堵问题。
3、本发明基于诱导信息的多无人机寻路方法，利用了无人机追求自身代价函数最小的自私特征，可以将本方法进行拓展并应用于各种关于自私个体的路径选择问题上，优化自私路由带来的资源浪费等问题。
附图说明
图1是本发明基于诱导信息的多无人机寻路方法流程图；
图2是本发明实施例中无人机寻路问题示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明基于诱导信息的多无人机寻路方法，如图1、图2所示，具体步骤如下：
步骤一、无人机的设备安装与准备。
将四旋翼无人机包括无人机机身主体，具有动力和防护装，与微型计算机、激光测距仪、风速测量仪等自主飞行所需装置组装完成，并调试飞行。微型计算机用于计算可行路径，制定无人机飞行策略，控制无人机飞行。激光测距仪用于检测无人机与障碍物的距离。风速测量仪用于检测环境风速，保证飞行安全稳定。
步骤二、根据目标始末位置以及现有路径规划算法确定m条可行路径，计算通过路径的延时函数和等待函数并上传至中央处理器。
根据实际飞行环境建立飞行环境模型。确定起始点和终止点位置，根据现有的路径规划算法确定m条可行路径：p1……pm，并根据路径的长度、宽窄、易通行程度等信息确定每条路径的延时函数：D1……Dm。延时函数表示无人机从当前时刻开始，在当前实时交通条件，环境条件下通过该路径所需要的时间。每条路径的延时函数D应包括以下参量：
(1)路径总长度L；
(2)当前时刻该路径内无人机数量n；
(3)描述当前时刻天气、风力等环境因素变量e(t)；
即，无人机i在时间t选择路径j的延时函数为：
根据当前时刻系统路径无人机状态，计算每条路径的等待时间函数W。等待时间函数为无人机选择该路径后，从当前时刻开始到可以进行飞行需要等待的时间。出于安全性考虑，在同一路径上，只有前架次无人机起飞一定时长后，后架次无人机才能安全起飞，而等待的过程也会消耗时间和燃油。等待时间函数W应包含以下变量：
(1)距离前架次无人机起飞的时间间隔T；
无人机只有在起飞前计算T的值。对每一条路径j，无人机都会进行Tj的计算和更新。如果该路径有前序无人机，则正常计算前序无人机起飞时间与此时刻的时间间隔；如果这条路径没有前序无人机，那么将T考虑为正无穷即可。
(2)当前型号无人机的最小飞行安全距离dmin；
即,无人机i在时间t选择路径j的等待函数为：
无人机将延时函数与等待函数信息发送给中央处理器。
步骤三、中央处理器计算并向无人机发送诱导信息
中央处理器接收到无人机的延时函数与等待函数信息并进行加和计算。根据无人机自私路由的特点，预估无人机将选择的策略，计算该策略下场景中所有无人机产生的总体代价函数S。遍历当前时间无人机所有可能选择策略并取最小值Smin。若S＝Smin，系统产生数组a1＝a2＝……＝am＝1以及b1＝b2＝……＝bm＝1作为无人机选择第m条路径的诱导信息并发送至无人机端；若S>Smin,系统产生数组a1,a2,……,am以及b1,b2,……,bm作为诱导信息并发送至无人机端，其中a1,a2,……,am以及b1,b2,……,bm的取值使当前无人机选择得到Smin的策略。
步骤四、无人机根据诱导信息以及当前时刻各个路径的延时函数与等待函数，计算所有可行路径代价函数。
无人机接收诱导信息，并对所有可行路径计算代价函数：
至此，无人机已经在诱导信息的影响下完成了对所有路径的代价函数计算。
步骤五、无人机在完成计算所有m条路径的代价函数情况下，对所有可行路径的代价函数进行比较，根据自私策略，将选择代价函数最小的路径作为自己的飞行路线。
步骤六、更新当前时刻所有路径的n值。
无人机选择路径后，将选择结果上传至中央处理器，由中央处理器更新当前时刻所有路径的无人机数目n。
步骤七、返回步骤二对群体中下一架无人机进行路径选择，直至群体中所有无人机选择路径结束。
Claims (1)
1.一种基于诱导信息的多无人机寻路方法，其特征在于：具体步骤如下：
步骤一、组装无人机并进行调试；
步骤二、根据目标始末位置以及现有路径规划算法确定m条可行路径，计算通过路径的延时函数和等待函数；
步骤三、计算并向无人机发送诱导信息；
对步骤二中得到的延时函数与等待函数进行加权求和计算，预估无人机将选择的策略，计算该策略下场景中所有无人机产生的总体代价函数S；遍历当前时间无人机所有可能选择策略并取最小值Smin；若S＝Smin，系统产生数组a1＝a2＝……＝am＝1以及b1＝b2＝……＝bm＝1作为无人机选择第m条路径的诱导信息并发送至无人机端；若S>Smin,系统产生数组a1,a2,……,am以及b1,b2,……,bm作为诱导信息并发送至无人机端；其中a1,a2,……,am以及b1,b2,……,bm的取值使当前无人机选择得到Smin的策略；
步骤四、无人机根据诱导信息以及当前时刻各个路径的延时函数与等待函数，计算所有可行路径代价函数；
无人机接收诱导信息，并对所有可行路径计算代价函数：
无人机i在时间t选择路径j的延时函数为：
其中，L为路径总长度；n为当前时刻路径内无人机数量；e(t)为当前时刻的环境因素变量；
无人机i在时间t选择路径j的等待函数为：
其中，T为当前无人机距离前架次无人机起飞的时间间隔；dmin为当前无人机的最小飞行安全距离；
至此，无人机已经在诱导信息的影响下完成了对所有路径的代价函数计算；
步骤五、无人机在完成计算所有路径的代价函数情况下，对所有可行路径的代价函数进行比较，根据自私策略，将选择代价函数最小的路径作为自己的飞行路线；
步骤六、更新当前时刻所有路径的n值；
无人机选择路径后，将选择结果上传至中央处理器，由中央处理器更新当前时刻所有路径的无人机数目n；
步骤七、返回步骤二对群体中下一架无人机进行路径选择，直至群体中所有无人机选择路径结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911347910.6A CN110989690B (zh) | 2019-12-24 | 2019-12-24 | 一种基于诱导信息的多无人机寻路方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911347910.6A CN110989690B (zh) | 2019-12-24 | 2019-12-24 | 一种基于诱导信息的多无人机寻路方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110989690A CN110989690A (zh) | 2020-04-10 |
| CN110989690B true CN110989690B (zh) | 2020-09-11 |
Family
ID=70074877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911347910.6A Active CN110989690B (zh) | 2019-12-24 | 2019-12-24 | 一种基于诱导信息的多无人机寻路方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110989690B (zh) |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102008050951A1 (de) * | 2008-10-10 | 2010-04-22 | Eads Deutschland Gmbh | Rechnerzeitoptimierte Routenplanung für Luftfahrzeuge |
| CN105185163B (zh) * | 2015-06-02 | 2017-07-25 | 北京航空航天大学 | 飞行路径选择方法和装置、飞行器和空中交通管理系统 |
| US10170006B2 (en) * | 2016-09-27 | 2019-01-01 | International Business Machines Corporation | Route planning for multi-unmanned aerial vehicle-based package delivery |
| US11017679B2 (en) * | 2017-01-13 | 2021-05-25 | Skydio, Inc. | Unmanned aerial vehicle visual point cloud navigation |
| CN107037829A (zh) * | 2017-05-09 | 2017-08-11 | 广东容祺智能科技有限公司 | 一种集群无人机航线规划方法 |
| CN107504972B (zh) * | 2017-07-27 | 2018-08-07 | 北京航空航天大学 | 一种基于鸽群算法的飞行器航迹规划方法及装置 |
| CN108318032A (zh) * | 2017-12-21 | 2018-07-24 | 上海交通大学 | 一种考虑攻防对抗的无人机航迹智能规划方法 |
| CN109506654B (zh) * | 2018-11-14 | 2020-10-20 | 飞牛智能科技（南京）有限公司 | 低空航路规划方法及装置、飞行器 |
| CN109933089B (zh) * | 2019-03-25 | 2020-10-23 | 北京邮电大学 | 基于最小化最大能量消耗的多无人机任务规划方法及装置 |
| CN109990790B (zh) * | 2019-03-29 | 2021-03-12 | 北京邮电大学 | 一种无人机路径规划方法及装置 |
| CN109992000B (zh) * | 2019-04-04 | 2020-07-03 | 北京航空航天大学 | 一种基于分层强化学习的多无人机路径协同规划方法及装置 |
| CN110262548B (zh) * | 2019-06-21 | 2020-10-09 | 北京理工大学 | 一种考虑抵达时间约束的无人机航迹规划方法 |
| CN110426039B (zh) * | 2019-07-04 | 2023-06-09 | 中国人民解放军陆军工程大学 | 基于任务完成时间最小化的多无人机路径规划方法 |
| CN110362115B (zh) * | 2019-07-31 | 2022-02-18 | 中国人民解放军总参谋部第六十研究所 | 一种时间约束同时到达多无人机路径规划算法 |
-
2019
- 2019-12-24 CN CN201911347910.6A patent/CN110989690B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110989690A (zh) | 2020-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11029168B2 (en) | Method for identifying optimal vehicle paths when energy is a key metric or constraint | |
| CN110687923B (zh) | 无人机长距离循迹飞行方法、装置、设备及存储介质 | |
| CN105185163B (zh) | 飞行路径选择方法和装置、飞行器和空中交通管理系统 | |
| CN106970648A (zh) | 城市低空环境下无人机多目标路径规划联合搜索方法 | |
| CN108153328B (zh) | 一种基于分段贝塞尔曲线的多导弹协同航迹规划方法 | |
| CN109002055A (zh) | 一种基于无人机的高精度自动巡检方法及系统 | |
| CN105446351B (zh) | 一种能够锁定目标区域瞭望基于自主导航的无人飞艇系统 | |
| CN108846522B (zh) | 无人机系统联合充电站部署及路由选择方法 | |
| CN110349445A (zh) | 具有多个rta约束的有效飞行剖面 | |
| CN111256702A (zh) | 一种电力杆塔巡检用无人机自主巡检方法 | |
| CN113342046A (zh) | 基于蚁群算法的输电线路无人机巡检路径优化方法 | |
| Zhu et al. | Aerial refueling: Scheduling wireless energy charging for UAV enabled data collection | |
| CN112824998A (zh) | 马尔可夫决策过程的多无人机协同航路规划方法和装置 | |
| Wu et al. | An adaptive reentry guidance method considering the influence of blackout zone | |
| CN110928314B (zh) | 一种基于轨迹预测的纯跟踪模型改进算法 | |
| CN115185303A (zh) | 用于国家公园及自然保护地的无人机巡护路径规划方法 | |
| CN110989690B (zh) | 一种基于诱导信息的多无人机寻路方法 | |
| CN109375642B (zh) | 一种无人机节能控制方法 | |
| CN111399534A (zh) | 多无人机对空中高速运动目标的围捕方法及系统 | |
| US11640180B2 (en) | Systems and methods for flight path optimization | |
| CN110322061A (zh) | 一种适用于载荷凝视成像的多目标观测轨迹智能感知方法 | |
| CN116518982A (zh) | 一种低空林业监测遥感无人机路径多目标规划方法 | |
| CN114326784A (zh) | 面向频谱测绘的无人机飞行路径自主规划装置及方法 | |
| Gao | Autonomous soaring and surveillance in wind fields with an unmanned aerial vehicle | |
| Wang et al. | 3D Autonomous Navigation of UAVs: An Energy-Efficient and Collision-Free Deep Reinforcement Learning Approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200410 Assignee: Beijing Tasson Technology Ltd. Assignor: BEIHANG University Contract record no.: X2024980002709 Denomination of invention: A Multi UAV Pathfinding Method Based on Induced Information Granted publication date: 20200911 License type: Common License Record date: 20240313 |